贷中行为评分卡(B卡)模型

网贷欠费 2022-11-18 0

风控业务背景随着新客获客成本越来越高，贷中客户管理越来越重要，包括额度管理（提降额度）、利率调整、提单意愿预测、流失倾向预测、营销响应预测等。行为评分卡（BehaviorScoring）是一种根据客户在账户使用期间所产生的各种行为，动态预测客户风险的评分模型

贷中行为评分卡(B卡)模型

　　风控业务背景

　　随着新客获客成本越来越高，贷中客户管理越来越重要，包括额度管理（提降额度）、利率调整、提单意愿预测、流失倾向预测、营销响应预测等。

　　行为评分卡（BehaviorScoring）是一种根据客户在账户使用期间所产生的各种行为，动态预测客户风险的评分模型。其像是对客户过去一段时间的动态表现录像，然后与其在未来时间的一些状态照片对比。本文以信用卡和小额信贷分期产品为例，介绍行为评分卡（B卡）的基本知识。

　　Part1.信贷场景

　　Part2.样本准备

　　Part3.目标定义

　　Part4.可用数据

　　Part5.建模分析

　　Part6.总结

　　信贷生命周期管理大致可分为贷前（准入审核、额度授信、支用审批等）、贷中（额度管理、流失预测、营销响应等）、贷后（催收：还款率预测、账龄滚动、失联预测）三个阶段。图1-信用卡和小额信贷分期产品如图1所示，我们以信用卡和小额信贷分期产品为例，分别介绍两者的特点：

　　1.信用卡

　　信用卡在审批下卡前的阶段称为贷前，机构（银行、信用卡公司）会对客户风险综合评估，给予一个初始信用额度（如8000元）。下卡并激活后，进入贷中阶段，期间客户可在信用额度范围内进行透支消费，每两个账单日之间的消费流水账单将在后一个账单日（例如每月8号）通知客户。

　　账单日至最晚还款日（例如每月26号）前，客户可以随时还款，期间免息。还款方式一般支持一次性还清和分期还款。分期还款将产生利息收入，因此对于机构而言，自然是希望客户分期，默认推荐项也就是这个（为提高转化率，UI设计时肯定在右手边）。一旦客户逾期，那就进入贷后催收阶段。

　　2.小额信贷分期

　　在贷前阶段，小额信贷分期产品所产生的每笔支用订单都需审批，通过后才放款到客户手中。放款后至结清的这段时间称为贷中。订单具有金额、期限、利率等属性，其约定了出借人和借款人之间的契约。与信用卡分期还款类似，小额信贷分期产品在每个还款日也必须偿还相应的本金和利息。

　　在客户发起支用申请订单后，将会生成一张还款计划表，如图2所示。显然，该还款方式为等额本息，即：在还款期内，每月偿还同等数额的贷款(包括本金和利息)。按此还款计划，借款本金共￥6000，年利率（APR）为18%。客户选择还款期限为6期，共产生6个还款日，每期偿还贷款￥1,053.15(包括本金和利息)。

　　在额度允许范围内，客户可申请支用多笔订单。机构在审批新的一笔订单时，通常会参考历史订单的还款行为。如果客户发生逾期行为，并仍未出催，那么在其发起下一笔支用申请时，势必会被拒绝。该决策主要基于2个原因考虑：

　　及时止损：老订单的损失还未挽回，新订单大概率会引起进一步的损失，不能继续送钱。

　　借新还旧：已经发生逾期，说明客户的现金流存在问题。很可能是在借新钱还旧债。

图2-小额信贷分期产品-客户还款计划表如图3所示，为了满足不同阶段风控需要，我们通常利用A卡（申请评分卡）、B卡（行为评分卡）、C卡（催收评分卡）对客户进行风险评分。

　　贷前风控：申请评分（ApplicationScoring），主要目的是为了识别获客阶段用户的逾期风险。一般应用于准入、额度授信、风险定价、支用审批，需要实时T+0部署到线上。例如，一些网贷产品考虑到用户体验，额度授信很多都设计在几分钟内计算出额。

　　贷中风控：行为评分（BehaviorScoring），根据借款人放贷后的行为表现，预测未来逾期风险。在贷前阶段，我们对借款人的履约行为掌握相对较少，而且是静态的，引入B卡的目的是为了动态监控放款后的风险变化。B卡一般不需要实时上线，离线T+1计算即可。

　　贷后风控：催收评分（CollectionScoring），在借款人当前还款状态为逾期的情况下，预测未来出催（还款）的可能性。这有助于催收员根据不同的逾期程度，采取不同的催收措施。例如，轻微逾期采用短信、电话提醒（以及相应的话术），重度逾期采用律师函等手段。C卡同样不需要实时上线，离线T+1计算即可。图3-小额信贷分期产品A卡、B卡、C卡的作用范围

　　至此，本文粗略介绍了2种信贷业务和风控框架，主要帮助大家建立基本概念。统计学习建模离不开合适的样本。接下来，我们开始介绍B卡的样本准备，其主要适用于符合以下特点的产品：

　　还款周期长：如果周期短（如7天、1个月），用户风险可能变化较小，以及新增贷中客户信息有限，B卡则与A卡没有太大区别；反之，则可以引入还款履约行为，从而更为准确识别客户逾期风险。

　　循环授信类：在贷前阶段，我们无法很好识别客户风险，因此给予一个初始额度。随着下卡/放款后，客户与我们产生更多的交互，暴露出借款、还款等行为，我们就可以客户的初始额度进行提降。当风险升高时，降低额度以减少损失；反之，提额。

　　另外，B卡建模样本主要基于老客。主要原因在于老客具有足够长的申贷、还款记录。针对新/老客的口径定义，每家都有不同的说法。例如，我们可以定义：

　　新客：无历史在途/结清订单

　　老客：有至少1笔结清订单。

　　风控建模时，我们常把样本标签分为GBIX四类，其中：G=Good（好人，标记为0），B=Bad（坏人，标记为1），I=Indeterminate（不定，未进入表现期），X=Exclusion(排斥，异常样本)。

　　对于银行稳定的客群和长期限产品，一般可能会利用滚动率（rollrate）和vintage分析来定义好坏。但对于小额信贷分期产品，在实践中通常都结合产品期限，沿用常用指标。例如，对于6期产品，表现期可能就拍定MOB3。对于12期产品，表现期可能就拍定MOB6。

　　由于是客户级（customerlevel）风险模型，因此当用户在多个产品多笔订单时，我们需要综合多笔订单的逾期信息给用户打标。所提取的特征也是在用户级。图4-B卡建模目标

　　在平常生活中，我们把钱借给别人后，一般也都会旁敲侧击打听对方的行为，包括但不限于：

　　消费行为：也就是资金用途，即是否按借钱原因所述，真正专款专用。如果对方借到手后是用于不良嗜好（如黄赌毒、奢侈品等），那么我们就有理由相信还钱的可能性不高。因此，可以从信用卡账单、借记卡流水、电商数据等提取消费行为。

　　负债压力：除了欠这边之外，其他地方是否还有（多头）负债。用户共债压力越大，还款可能性就越低。通常情况下，一般哪家催的急，客户就选择还哪一家。

　　收入能力：是否有其他收入？如果没有收入，还款能力将直接受影响。收入数据包括流动资产（工资、公积金）、固定资产等。

　　履约历史：之前是否就有欠钱不还的黑历史，还是能按时履约。因此，需要记录历史的还款行为，比如提前还款，说明用户目前手头资金充足，重视诚信记录；习惯性逾期，则说明用户手头紧张，或者不够重视诚信记录。

　　活跃行为：借钱之后是否还能联系到？如果从此失联，消失在你的视野里，那么大概率就是不会还钱。在网贷产品中，我们可以观察用户登陆App的行为。

　　这些行为数据能让我们对借款人的贷后行为基本的判断，确定对方是否能正常履约。基本的特征工程可参考《时间滑窗统计特征体系》。图5-可用数据维度

　　在经过样本准备、目标定义、特征工程、模型设计等环节后，建模流程可参考《风控模型建模流程标准化》。根据经验，B卡的模型区分度（KS）一般都能达到0.5以上。在A卡中，我们很难得到区分度如此高的模型，那么这是什么原因呢？

　　行为评分卡用到的一个重要特征是借款人的历史逾期行为。假设总客群中好客户为，坏客户为。根据历史是否逾期这个维度，我们将客群细分为2个：

　　客群1：好客户个，坏客户个，总数.

　　客群2：好客户个，坏客户个，总数.

　　在《区分度评估指标(KS)深入理解应用》中，我们介绍过KS曲线的绘制方法。如图6所示，我们只以分群变量进行排序。在子客群中，我们随机评分，其实也不需要在乎排序性。此时，在取得最大KS间隔的位置，好人/坏人累积比例分别为：因此，我们容易计算：图6-KS曲线图因此，逾期类变量在行为评分卡中具有重要的贡献。在分群建模时，我们就可以评估：